qq_43498494的博客

文章目录上周验证码作业程序上周验证码作业最后一层没用softmax，但用sofymax损失，这个最后也可以达到比较好结果也可以达不到好的效果。根据目标词汇可能预测上下文的一个或两个词，或多个词。word2vec模型也是通过神经网络训练出来的，一般将词转化为向量，向量长度一般我们可以用128维度或者256维度，这个词转化为固定长度维度，之后权值就是通过神经网络训练的。把每个词对应的向量训练好之后，都放入到一个空间中，可以发现词性相近的

文章目录GPU安装---Windows安装cuDNN训练自己的图片分类模型思路二实践从头开始训练一个图像识别模型利用验证码识别讲解多任务学习做法生成验证码与tfrecords文件验证码识别的两种方式方式1多任务--联合训练过程测试程序GPU安装—Windows下载完后有个压缩包之后就可以安装了。然后加入到环境变量后，确定即可。此时CUDA生效安装cuDNN用于为深度学习加速用的。注册一个账号后才可以下载。拷贝到cuda对应目录即可。类似将文件夹下的文件对应

文章目录卷积神经网络手写数字代码卷积神经网络传统神经网络的弊端对于处理图片计算量太大 。若数据很少，建立的模型很复杂，就会过拟合，或者数据量大，但是构建的网络太简单，就会欠拟合。一般网络越复杂，就需要越多的样本来进行训练。一般样本数量大小最好是里面权值的5-10倍。CNN一个神经元只连接到前面图片的某一部分。不同的卷积核可以对图片的不同特征进行采样，如有5个不同的卷积核，就可以采样出5幅不同的特征图，不同的特征图对于后面我们做图片分类是有很大作用的。手写数字代码即

文章目录交叉熵代价损失函数拟合过与欠程序dropout优化器优化器使用提升准确率优化达到98%可视化网络训练过程查看网络运行数据tensorflow官方代码实现交叉熵代价损失函数、当激活函数是sigmoid或者双曲函数时，用交叉熵损失比较好。交叉熵代价函数在调整权值或者偏置值时，调整的策略比较合理，因为调整的合理，所以训练过程模型收敛速度比较快。拟合过与欠回归分类问题如果数据太少，模型又越复杂，即容易出现过拟合问题。lamda调节正则化的那部分的重要性

文章目录安装tensorflow介绍CPU版本或GPU版本Anaconda安装tensorflow安装基本概念tensorflow变量使用fetch与feed操作简单使用案例创建卷积网络--回归例子手写数字数据集手写数字识别问题安装tensorflow介绍CPU版本或GPU版本之后可以用GPU加快计算训练，tensorflow支持python与C++语言，底层是用C++写的，使用一般用python，可以用于 图像识别，可以在一个或多个CPU或GPU上运行，还可以运行在嵌入式系统中，比如手机平板电脑等，或